Curvelet变换的多波段遥感图像融合研究

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (32): 153-156.

• 图形、图像、模式识别 • 上一篇下一篇

Curvelet变换的多波段遥感图像融合研究

吴飞1，2，张德祥1，2

1.安徽大学计算智能与信号处理教育部重点实验室，合肥 230039
2.安徽大学电气工程与自动化学院，合肥 230601

出版日期:2012-11-11 发布日期:2012-11-20

Research on fusion of multi-band remote sensing image based on Curvelet transforms

WU Fei1，2, ZHANG Dexiang1，2

1.Key Lab of Intelligent Computing and Signal Processing of MOE, Anhui University, Hefei 230039, China
2.College of Electrical Engineering and Automation, Anhui University, Hefei 230601, China

Online:2012-11-11 Published:2012-11-20

摘要/Abstract

摘要： 提出一种基于Curvelet变换的多波段遥感图像融合算法。Curvelet变换具有比小波变换更好的边缘表达，因而更适合图像的融合处理。采用具有多尺度、多方向特点的Curvelet变换对多波段遥感图像像进行分解。对于低频系数采用平均融合算法，根据高频子图边缘分布差异，对于方向高频系数采用区域边缘检测和区域谱熵算法实现多波段遥感图像的融合处理。实验结果表明，提出的算法与传统算法相比在保留原始图像边缘和纹理信息同时，可以有效地取得较好的融合视觉效果。

关键词: Curvelet变换, 多波段遥感图像, 谱熵, 图像融合

Abstract: A fusion method for multi-band remote sensing images based on Curvelet transform is proposed. The Curvelet transform represents edges better than wavelets, and is therefore well-suited for image fusion. The multi-
band remote sensing images are decomposed using Curvelet transform, which have multi-scale, multi-direction characteristics. For the low-pass coefficients, an averaging fusion rule is used. According to edge distribution differences in high frequency sub-band images, for the directional high-frequency coefficients, region edge detection and region spectrum entropy algorithm are used to select the better coefficients for fusion. Experimental results show that compared with traditional algorithm, the proposed algorithm can get better visual effect and the significant information of original image like textures and contour details is well maintained.

Key words: Curvelet transform, multi-band remote sensing image, spectrum entropy, image fusion

吴飞1，2，张德祥1，2. Curvelet变换的多波段遥感图像融合研究[J]. 计算机工程与应用, 2012, 48(32): 153-156.

WU Fei1，2, ZHANG Dexiang1，2. Research on fusion of multi-band remote sensing image based on Curvelet transforms[J]. Computer Engineering and Applications, 2012, 48(32): 153-156.

[1]	董旭彬，赵清华. 改进Mask R-CNN在航空影像目标检测的研究应用[J]. 计算机工程与应用, 2021, 57(8): 133-144.
[2]	顾梅花，王苗苗，李立瑶，冯婧. 彩色图像多尺度融合灰度化算法[J]. 计算机工程与应用, 2021, 57(4): 209-215.
[3]	王长城，周冬明，刘琰煜，谢诗冬. 无监督深度学习模型的多聚焦图像融合算法[J]. 计算机工程与应用, 2021, 57(21): 209-215.
[4]	呼亚萍，孔韦韦，李萌，黄翠玲. 改进TV图像去噪模型的全景图像拼接算法[J]. 计算机工程与应用, 2021, 57(17): 203-209.
[5]	李广安，曹岩，岳晓新. 基于BEEMD分解的红外与可见光图像融合[J]. 计算机工程与应用, 2021, 57(14): 237-244.
[6]	曹军，陈鹤，张佳薇. 基于超分辨率的多聚焦图像融合算法研究[J]. 计算机工程与应用, 2020, 56(3): 180-186.
[7]	宫睿，王小春. 基于可协调经验小波变换的多聚焦图像融合[J]. 计算机工程与应用, 2020, 56(2): 201-210.
[8]	吴帆，高媛，秦品乐，王丽芳. 基于拉普拉斯金字塔和CNN的医学图像融合算法[J]. 计算机工程与应用, 2020, 56(15): 208-214.
[9]	李一菲，杨燕，张国强. 基于补偿暗通道和透射率融合的图像去雾算法[J]. 计算机工程与应用, 2019, 55(3): 196-201.
[10]	余霆嵩，文元美，凌永权. 基于张量分解融合RGB-D图像的物体识别[J]. 计算机工程与应用, 2019, 55(2): 174-178.
[11]	李敏，苑贤杰，骆志丹，邱晓华. 基于改进引导滤波与DCPCNN的图像融合方法[J]. 计算机工程与应用, 2019, 55(19): 207-213.
[12]	许莹莹1，李朝锋1，2. 空域和频域联合特征挖掘的无参视频质量评价[J]. 计算机工程与应用, 2018, 54(9): 165-171.
[13]	王烈，罗文，陈俊鸿，秦伟萌. 自适应PCNN与信息提取的红外与可见光图像融合[J]. 计算机工程与应用, 2018, 54(4): 192-198.
[14]	付争方1，朱虹2. 多尺度细节融合的多曝光高动态图像重建[J]. 计算机工程与应用, 2018, 54(24): 182-187.
[15]	刘栋，聂仁灿，周冬明，侯瑞超，熊磊. 结合NSST与GA参数优化PCNN图像融合[J]. 计算机工程与应用, 2018, 54(19): 158-163.

Curvelet变换的多波段遥感图像融合研究

Research on fusion of multi-band remote sensing image based on Curvelet transforms

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics